简介:针对传统天文导航方法和GNSS导航方法应用于中高轨道航天器尤其是大椭圆轨道机动航天器自主导航的缺陷,提出一种基于低轨道天基平台实时跟踪观测的轨道机动航天器在轨绝对导航方法。其具体实施过程为布置于低轨道的天基平台利用其自带观测敏感器对轨道机动航天器进行全程实时跟踪测量,并将测量所得的星光角距信息和测距信息发送至轨道机动航天器,航天器根据接收得的量测信息结合自身状态预估信息通过最优滤波估计算法实现导航解算。仿真结果表明该方案具备较强的可行性,且该导航系统具有较高的导航估计精度,能够弥补传统天文导航和GNSS导航方法的不足之处,当天基平台自主定轨精度为80m时轨道机动航天器导航位置估计误差在120m以内。
简介:针对SAR图像匹配及定位需要耗用不等的计算时间而造成的量测不等间隔输出和量测信息滞后问题,提出一种新的SAR时延补偿算法。该算法在标准卡尔曼滤波(KF)基础上,当SAR有量测信息生成时,根据多模型方法进行量测预测,利用预测值修正SINS状态;而SAR无量测信息输出时,通过插值方法生成量测信息来改善系统滤波精度。仿真结果表明,采用基于多模型量测预测的KF算法可以将位置误差由45m减小到10m以内,航向角稳态误差值小于5.8";而在此基础上叠加插值预测算法可以将位置误差进一步控制在6m以内,航向角稳态误差小于4.7",证明了本文提出的算法能够有效补偿SAR的随机时延并提高组合导航系统的解算精度。
简介:为了提高标准Cubature卡尔曼滤波(CKF)的稳定性和鲁棒性,提出一种改进的多重渐消H∞滤波cubamre卡尔曼滤波算法。首先基于系统状态的可观测性给出多重渐消因子矩阵求解过程,提高滤波算法的稳定性,抑制滤波发散;其次,引入H∞鲁棒思想,构造多重渐消H∞滤波Cubature卡尔曼滤波器;最后,提出采用一种奇异值分解的矩阵分解策略代替标准Cubature卡尔曼滤波中的Cholesky分解,进一步提高算法的数值稳定性。实际GPS/INS组合导航实验表明,改进的多重渐消H∞滤波Cubature卡尔曼滤波算法不仅能有效抑制滤波发散提高算法的稳定性,而且对观测野值具有更高的鲁棒性;提出的新算法与标准CKF算法相比,XYZ三个方向的位置精度分别提高了55.8%,46.6%和39.7%。